Fed-ReMasker：特征级缺失条件下的联邦表格数据插补

多中心临床研究和生物医学研究合作日益寻求利用跨中心数据来构建能够泛化到单个中心之外的模型。这带来了两个不同的挑战：数据保护法规可能限制机构之间共享原始患者数据，而各中心可能在不同协议下仅收集部分重叠的特征集合。联邦学习能够在不集中原始数据的情况下进行协作式模型训练。然而，现有的联邦插补方法很少评估特征级缺失，即某些中心完全未观测到整个特征。为应对这一情形，我们将掩码自编码器 ReMasker 适配到联邦学习中（Fed-ReMasker），使各中心能够借助从协作中心学习到的知识，对本地从未观测到的特征进行插补。我们在一项基准测试中评估了 Fed-ReMasker，该测试涵盖具有线性和非线性关系的合成数据集以及包括临床数据在内的真实世界表格数据集。该基准测试改变了中心数量、缺失比例和客户端异质性。在同质基准测试中，Fed-ReMasker 在 93.2% 的值级场景和 96.7% 的特征级场景中取得了最低的插补误差。在使用简单联邦平均的情况下，它对客户端异质性也保持稳健：在全部 36 个值级场景中均优于所有基线方法，并且在 36 个特征级场景中的至少 35 个场景中优于每个基线方法；与基于汇总数据训练的集中式模型相比，其平均性能差距不超过 3.0%。